| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 缩写、符号清单、术语表 | 第13-14页 |
| 1 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 研究意义 | 第17页 |
| 1.2 图像表示与跨媒体检索的研究现状 | 第17-20页 |
| 1.2.1 图像表示 | 第17-20页 |
| 1.2.2 跨媒体检索 | 第20页 |
| 1.3 本文的主要工作 | 第20-21页 |
| 1.4 本文的组织结构 | 第21-23页 |
| 2 基于非负矩阵分解的图像表示研究综述 | 第23-30页 |
| 2.1 基于非负矩阵分解的图像表示算法 | 第23-25页 |
| 2.2 基于非负矩阵分解的改进型图像表示算法 | 第25-29页 |
| 2.2.1 稀疏非负矩阵分解 | 第26-27页 |
| 2.2.2 图正则非负矩阵分解 | 第27-28页 |
| 2.2.3 受限非负矩阵分解 | 第28-29页 |
| 2.2.4 半非负矩阵分解 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 带局部坐标约束的概念分解算法研究 | 第30-52页 |
| 3.1 引言 | 第30-31页 |
| 3.2 研究背景 | 第31-32页 |
| 3.3 带局部坐标约束的概念分解算法 | 第32-43页 |
| 3.3.1 模型描述 | 第32-33页 |
| 3.3.2 优化求解 | 第33-35页 |
| 3.3.3 收敛性证明 | 第35-39页 |
| 3.3.4 算法分析 | 第39-43页 |
| 3.4 实验结果与结论 | 第43-50页 |
| 3.4.1 数据集 | 第44-45页 |
| 3.4.2 评价指标 | 第45-46页 |
| 3.4.3 聚类结果 | 第46-48页 |
| 3.4.4 过完备基学习 | 第48-50页 |
| 3.4.5 参数调优 | 第50页 |
| 3.4.6 算法收敛速度研究 | 第50页 |
| 3.5 本章小结 | 第50-52页 |
| 4 基于A优化和Hessian正则的非负投影算法研究 | 第52-73页 |
| 4.1 引言 | 第52-54页 |
| 4.2 研究背景 | 第54-55页 |
| 4.3 基于A优化和Hessian正则的非负投影算法 | 第55-62页 |
| 4.3.1 模型描述 | 第56-57页 |
| 4.3.2 优化求解 | 第57-60页 |
| 4.3.3 计算复杂度分析 | 第60-62页 |
| 4.4 实验结果与结论 | 第62-71页 |
| 4.4.1 数据集 | 第63-64页 |
| 4.4.2 聚类结果 | 第64-69页 |
| 4.4.3 算法收敛速度研究 | 第69页 |
| 4.4.4 参数调优 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 5 基于低秩矩阵恢复的跨媒体成对约束传播算法研究 | 第73-85页 |
| 5.1 引言 | 第73-74页 |
| 5.2 研究背景 | 第74-76页 |
| 5.2.1 成对约束 | 第74-75页 |
| 5.2.2 图传播算法 | 第75-76页 |
| 5.3 基于低秩矩阵恢复的跨媒体成对约束传播算法 | 第76-81页 |
| 5.3.1 优化求解 | 第78-81页 |
| 5.4 实验结果与结论 | 第81-83页 |
| 5.4.1 数据集和实验设置 | 第81-82页 |
| 5.4.2 评价标准 | 第82-83页 |
| 5.4.3 实验结果 | 第83页 |
| 5.5 本章小结 | 第83-85页 |
| 6 总结与展望 | 第85-88页 |
| 6.1 本文工作总结 | 第85-86页 |
| 6.2 未来工作展望 | 第86-88页 |
| 参考文献 | 第88-96页 |
| 攻读博士学位期间主要的研究成果 | 第96-97页 |
| 致谢 | 第97-98页 |